programmingfool5的博客

链接：https://www.zhihu.com/question/45487317/answer/99153174 来源：知乎这个问题很好，回答的也很好。让我重新以统计学来认知两个重点的集成学习方法： 一句话的解释，来自周志华老师的机器学习教科书（ 机器学习-周志华）：Boosting主要关注降低偏差，因此Boosting能基于泛化性能相当弱的学习器构建出很强的集成，比如GB...

LSTM理解有图示:https://www.jianshu.com/p/9dc9f41f0b29GRU:https://blog.csdn.net/cskywit/article/details/78977834知识点(待理解和补充):https://blog.csdn.net/behboyhiex/article/details/81328510...

题目:一个整型数组里面除了两个数字之外, 其他数字都出现两次, 找出这两个不相同的数字.思路:如果将两个数字缩减为一个数字只出现一次, 那么可以用异或来做: 将数组的元素依次做异或, 那么由于出现两个数字的异或都抵消掉了, 所以最后得到的结果便是那个只出现一次的数字.如何将两个数字分到不同的组里呢. 我们如果对题目中的数组做异或, 那么肯定至少有一位为1, 因为这两个数字不相同, 异或的结...

思路:对于每一位来说, 该位是1的数字的个数.比如对于数字:3141592, 百位为1 时, 有多少1出现?将数字分为两部分: pre = 31415 和 post = 92首先考虑百位之前, 即 31415 xx.当百位数字>1时 ,共有(0000~3141) 3142 * 100个1.当百位数字 <= 1时, (0000~3140) 3141 * 100, 特别注意...

题目：给定一根长度为n的绳子，请把绳子剪成m段（m、n都是整数，n>1并且m>1），每段绳子的长度记为k[0],k[1],…,k[m]。请问k[0]*k[1] * … *k[m]可能的最大乘积是多少？例子：例如，当绳子的长度是8时，我们把它剪成长度分别为2、3、3的三段，此时得到的最大乘积是18。1.定义状态方程:f(n)=max⁡(f(i)×f(n−i)),&nbsp

题目:把n个骰子扔在地上，所有骰子朝上的一面的点数之和为s.输入n，打印出s的所有可能的值出现的概率.def probability(number,maxValue): if number < 1: return p = [[0 for i in range(maxValue * number + 1)] for i in range(2)] ...

题目:给定一个数组和滑动窗口的大小，找出所有滑动窗口里数值的最大值。例如，如果输入数组{2,3,4,2,6,2,5,1}及滑动窗口的大小3，那么一共存在6个滑动窗口，他们的最大值分别为{4,4,6,6,6,5}； 针对数组{2,3,4,2,6,2,5,1}的滑动窗口有以下6个： {[2,3,4],2,6,2,5,1}， {2,[3,4,2],6,2,5,1}， {2,3,[4,2,6],2,5...

题目:输出所有和为S的连续正数序列。序列内按照从小至大的顺序，序列间按照开始数字从小到大的顺序def continuous(sum_): small, big = 1, 2 mid = (sum_+1) // 2 cursum = 0 ans = [] cur = big + small while small < mid: if cursum == sum_: ...

主要结合花书对于L1 & L2的简单介绍，其中知乎的两个答案对书中的介绍做了很好的补充。 具体的： https://zhuanlan.zhihu.com/p/32488420 上述文章中，主要介绍L2的作用以及原理，更重要的是结合了线性回归（即岭回归）进行介绍。其中第三部分从主成分分析方面，用公式推导出了正则化参数对于不同方差下的特征的影响。第四部分从偏置（bias）-方差（var...

这篇文章的主要解决的是当输入的图片的尺寸不是既定的224×224224×224224 \times 224, 采用各种对图片放缩的时候会影响网络的学习. 比如下图, 只裁剪了一部分, 或者放缩的时候发生了几何的形变: 那么为什么会要求输入的大小相同呢, 很大一个原因就是最高层的FC的输入的尺寸必须要相同. 文章就是从这里下手的.Spatial pyramid pooling: 指的是对于...

1. L1&L2参数正则化基本的思想是对参数进行约束，在保证取得最小的损失函数的同时衰减不相关特征的参数。具体可以看另外一篇博文：L1 & L2 正则化的理解 2. Dropout集成思想，同时减少每层的神经节点之间的相互依赖。3. 数据增强原始的思想是扩充数据集，增强泛化能力。裁剪/翻转/颜色亮度变化。4. 迁移学习当你的数据集比较小，训...

在阅读过程中，找了不少相关的资料来弄清楚比较细节的东西，其中hjimce的博客中，对于细节的理解要更全面一些，比如文中没有具体阐述的非极大值抑算法、对于fine-tuning 、训练CNN和SVM的时候标签的定义和设计的思考，非常欣慰的是在没有相关基础的前提下，我的理解跟这位大牛的理解基本一致。在这里我不做具体的内容总结了，只希望记录下我认为比较重点和难理解的地方，值得以后参考大神的博客和论文...

batch_size设的大一些，收敛得快，也就是需要训练的次数少，准确率上升得也很稳定，但是实际使用起来精度不高。需要加大epoch数，同时将学习率增大。batch_size设的小一些，收敛得慢，而且可能准确率来回震荡，所以还要把基础学习速率降低一些；但是实际使用起来精度较高。...

题目1️⃣:数组中的逆序对数.思路:利用归并排序的思想.首先将数组分为两两组合, 再对两两组合排序, 排序的过程中记录是不是逆序对数.然后再对这些组合排序, 在排序的过程中, 再对左右两边的子串进行逆序的计数.然后再对这些组合排序, 在排序的过程中, 再对左右两边的子串进行逆序的计数.采用递归, 终止条件肯定是字符串的字数小于2.每次对字符串分两组递归. 计数的条件是当前面的数...